IA et secteur public

Comprendre, Maîtriser et Agir dans l'ère de l'IA Générative

01
Comprendre l'IA
02
L'écosystème IA
03
IA Responsable
04
Cas d'usages
05
Transformation
06
Prompter
07
Conclusion

🎯 Pourquoi maintenant ?

L'explosion de l'IA repose sur trois piliers convergents qui atteignent aujourd'hui une maturité sans précédent.
💾

Données Omniprésentes

Des milliards de données générées chaque jour sur le web, les réseaux sociaux, les objets connectés. Ces données massives permettent d'entraîner des modèles de plus en plus performants.

⚡

Capacité de Calcul

Les GPU et infrastructures cloud offrent une puissance de calcul massive. Les processeurs spécialisés (TPU, NPU) accélèrent considérablement l'entraînement des modèles.

🧠

Algorithmes Avancés

Les architectures Transformer (2017) et le deep learning ont révolutionné le traitement du langage naturel et des données complexes.

💻
Pc
→
🌐
WEB
→
🤖
L'IA

📈 Accélération de l'innovation

Timeline des records de l'IA de 2016 à 2020

🎯 Quelques records historiques

Entre 2016 et 2020, l'IA a atteint la parité humaine dans de nombreux domaines : reconnaissance d'objets, reconnaissance vocale, compréhension de la lecture, traduction automatique, et compréhension générale du langage.

⚡ Accélération exponentielle de l'IA

Comparaison 1997 vs 2022 - 25 ans de loi de Moore

🚀 Une accélération historique

4 années de progrès en IA (2018-2022) équivalent à 25 ans d'évolution technologique classique selon la loi de Moore. L'innovation en IA progresse à un rythme sans précédent dans l'histoire de la technologie.

📱 Accélération de l'adoption

⏱️ Temps pour atteindre 100 millions d'utilisateurs

L'adoption des technologies s'accélère constamment. ChatGPT détient le record absolu.
ChatGPT
2 mois
TikTok
9 mois
Instagram
30 mois
Spotify
55 mois
📘
Facebook
4.5 ans
🌐
Internet
7 ans
📱
Téléphones mobiles
16 ans

🤖 Qu'est-ce que l'Intelligence Artificielle ?

« Machines présentant des capacités généralement associées à l'intelligence humaine »
— Wikipedia
📚

Apprentissage

Apprendre au fil du temps sans intervention directe. Les modèles s'améliorent avec l'expérience et les données.

👁️

Perception

Interpréter la signification des données : texte, voix, images, vidéos. Comprendre le contexte et les nuances.

🧠

Cognition

Tirer des conclusions, raisonner et générer du contenu original. Résoudre des problèmes complexes.

📊 L'évolution de l'IA

Évolution de l'IA : AI → ML → Deep Learning → Generative AI

🔄 Le changement de paradigme

💻 Développement logiciel traditionnel

⚙️
Algorithme
+
📥
Entrée
→
📤
Sortie

Le développeur écrit explicitement les règles

VS

🤖 Apprentissage automatique

📤
Sortie
+
📥
Entrée
(Données)
→
⚙️
Algorithme

Le modèle apprend les règles à partir des données

🛠️ Concevoir des modèles IA

Concevoir des modèles IA - Qu'est-ce qu'un modèle, langages utilisés

📚 Machine Learning : 3 catégories à connaître

3 catégories de ML : Supervisé, Non supervisé, Renforcement

✨ Pourquoi l'IA générative est différente ?

Différence entre IA typique et modèles de fondation

🧠 Comment un LLM “comprend” et génère

Un modèle de langage (LLM) ne “pense” pas comme un humain. Il transforme du texte en représentations numériques, apprend des régularités sur de très grands corpus, puis prédit le prochain token en fonction du contexte.

Les 4 briques clés (et les 4 étapes qui suivent)

  • Word embedding : représenter les mots en vecteurs proches quand ils sont proches en sens.
  • Attention : se concentrer sur les mots pertinents du contexte.
  • Tokenisation : découper le texte en unités manipulables par le modèle.
  • Probabilités : estimer les mots possibles et choisir le suivant.

1️⃣ Word embedding : les mots deviennent des vecteurs

Un word embedding représente chaque mot par un vecteur. Les mots proches en signification ont des vecteurs proches.

Chaud Froid Brûlant Chaud Tiède Froid Glacé Gelé
Les mots “chauds” pointent vers le haut, les mots “froids” vers le bas. Dans un vrai modèle, les vecteurs ont des centaines/milliers de dimensions.

2️⃣ Attention : comprendre le contexte

Le mécanisme d’attention permet au modèle de se concentrer sur les mots les plus pertinents pour comprendre une phrase (références, contexte, etc.).

Clique sur un mot pour voir où “porte l’attention” (en surbrillance).

Marie aime manger des pommes Elle les mange chaque jour
Clique sur un mot pour voir les liens de contexte.
Exemple : “Elle” renvoie à “Marie”, et “les” renvoie à “pommes”.

3️⃣ Tokenisation : découper le texte en tokens

Avant de “raisonner”, un LLM découpe le texte en tokens (morceaux de mots). Chaque token a un identifiant.

Texte original
Dans cette session nous allons mieux comprendre l'IA générative, son fonctionnement, ses enjeux et ses usages.
↓
Tokens (unités de traitement) — exemple simplifié
Dans
#31380
cette
#7696
session
#6223
nous
#6176
allons
#97647
mieux
#26345
comprendre
#48877
l
#305
'
#6
IA
#7068
généra
#18939
tive
#1799
,
#11
son
#2391
fonctionnement
#70183
,
#11
ses
#6707
enjeux
#129412
et
#859
ses
#6707
usages
#146156
.
#13
Les découpages exacts dépendent du tokenizer. Ici, on illustre le principe : le modèle manipule des identifiants de tokens.

4️⃣ Probabilités : prédire le mot suivant

À chaque étape, un LLM calcule une distribution de probabilité sur les prochains tokens possibles. Il “choisit” ensuite un token (souvent le plus probable, ou via échantillonnage).

Prompt
Le chat
Probabilités du mot suivant (exemple)
dort
42%
mange
28%
joue
17%
miaule
8%
court
5%
La génération finale dépend aussi des réglages (température, top-p, etc.). Ici, on visualise simplement l’idée “proba → choix”.

🏗️ Comment on entraîne un LLM

1
🌐
Collecte massive de données
Des corpus très larges issus du web, de livres, d’articles et de données publiques.
Ordre de grandeur : plusieurs dizaines de téraoctets de texte brut avant filtrage et préparation.
Millions de livres, sites web, articles scientifiques, conversations...
→
2
🖥️
Entraînement intensif
Des milliers de GPU mobilisés
Pendant plusieurs jours à plusieurs semaines
Un coût de l’ordre de plusieurs millions d’euros
→
3
📦
Modèle entraîné et compressé
Des dizaines à centaines de milliards de paramètres
Le modèle ne conserve pas les données d’entraînement.
Il encode ce qu’il a appris dans ses paramètres (une “représentation compressée”), sans stocker les textes sources.

⚡ Impact environnemental

L'entraînement d'un grand modèle consomme une empreinte énergétique significative, concentrée sur une courte période. C'est pourquoi il est important de réutiliser les modèles existants plutôt que d'en créer de nouveaux.

🔧 2 typologies de services IA

IA sur mesure vs IA pré-entraînée

🎯 Choisir le bon type d'IA

IA Sur mesure : Pour des besoins très spécifiques nécessitant un modèle dédié (coûteux, long).

IA Pré-entraînée : Modèles puissants accessibles via API, facilement intégrables (rapide, économique).

🧩 Service IA pré‑entraîné

  • Ce que c’est : un modèle déjà entraîné, prêt à l’usage (API / Copilot / modèle de base).
  • Quand l’utiliser : démarrer vite, standardiser, généraliser à grande échelle.
  • Valeur : rapidité, coût marginal faible, mises à jour et améliorations continues.
  • À compléter : personnalisation via prompting, RAG (documents), et garde‑fous.

🛠️ IA sur mesure

  • Ce que c’est : adaptation à un contexte métier (données, processus, règles, terminologie).
  • Quand l’utiliser : cas sensibles, performance ciblée, différenciation métier.
  • Valeur : pertinence, précision, contrôle, alignement sur les exigences (qualité / conformité).
  • À anticiper : données, évaluation, exploitation (MLOps), coûts et délais plus élevés.
À retenir : la meilleure approche est souvent hybride : un modèle pré‑entraîné + vos données + vos règles + garde‑fous. On maximise la valeur en l’intégrant au processus (et pas en “faisant un modèle pour faire un modèle”).
/// SECTION 02

Écosystème IA

Les acteurs et la chaîne de valeur de l'économie de l'IA

🌐 La Chaîne de Valeur de l'IA

L'écosystème de l'IA repose sur une infrastructure complexe allant des composants matériels aux applications finales. Comprendre cette chaîne est essentiel pour saisir les enjeux stratégiques et économiques.
🔌
Puces
GPU, TPU, processeurs spécialisés
🏢
Data Centers
Infrastructure cloud et calcul
💾
Données
Collecte, stockage, qualité
🧠
Modèles
LLM, modèles de fondation
🛠️
Outils
Frameworks, APIs, plateformes
📱
Applications
Solutions métiers et grand public
🚀
Distribution
Canaux de déploiement
👥
Utilisateurs
Entreprises, institutions, citoyens
Sélectionnez une des 8 cases ci-dessus (ex. Puces, Data Centers, Modèles).

⚡ Infrastructure Critique

Alimentation électrique et connectivité : L'IA nécessite une infrastructure énergétique massive. Un seul data center IA peut consommer autant d'électricité qu'une ville de 50 000 habitants.

/// SECTION 03

Les enjeux d'une IA responsable

Cliquez sur un principe pour explorer

⚖️
Équité
🛡️
Fiabilité & sûreté
🔒
Confidentialité & sécurité
👥
Inclusivité
👁️
Transparence & explicabilité
🤝
Responsabilité

L'AI Act : Régulation Européenne

🇪🇺 Premier Cadre Réglementaire Mondial

L'Union Européenne a adopté en 2024 l'AI Act, première réglementation complète sur l'IA au monde. Elle établit un cadre basé sur les risques avec des obligations proportionnées.
🚫 Risque Inacceptable
INTERDIT : Notation sociale, manipulation comportementale, exploitation des vulnérabilités, identification biométrique en temps réel dans l'espace public (sauf exceptions)
⚠️ Risque Élevé
RÉGULATION STRICTE : IA dans les infrastructures critiques, éducation, emploi, services essentiels, justice, migration. Obligations de conformité, documentation et audits
ℹ️ Risque Limité
TRANSPARENCE : Chatbots, systèmes de reconnaissance d'émotions, contenu généré par IA. Obligation d'informer l'utilisateur qu'il interagit avec une IA
✅ Risque Minimal
PAS D'OBLIGATION : Jeux vidéos, filtres anti-spam, la plupart des applications IA. Approche volontaire de codes de conduite
AI Act — Recommandations
Clique sur un niveau de risque à gauche pour afficher les obligations et bonnes pratiques associées.
  • Sélectionne un niveau de risque (inacceptable, élevé, limité, minimal).
  • Le panneau affiche ensuite ce qui est attendu (obligations, transparence, gouvernance).
Date clé Obligation Concerne
2 Février 2025 Pratiques interdites + AI Literacy Tous les acteurs
2 Août 2025 Modèles d'IA à usage général (GPAI) Fournisseurs de LLM
2 Août 2026 Systèmes à haut risque Applications critiques
2 Août 2027 Application complète Tous les systèmes IA

Deepfakes — 1/3 : C’est quoi ?

Définition

Un contenu manipulé par IA

Un deepfake est un contenu (image, audio, vidéo) créé ou modifié par l’IA afin de donner l’illusion qu’une personne réelle a dit ou fait quelque chose qu’elle n’a jamais dit ou fait.

Exemple : synchronisation labiale + voix clonée, ou image “retouchée” par IA.

Deepfakes — 2/3 : S’en prémunir

Bonnes pratiques

Réduire le risque au quotidien

Il n’existe pas de protection unique : la bonne approche est multi-couches (vigilance, vérification, procédures et outils).

  • Faire une pause si le contenu est émotionnel ou urgent.
  • Vérifier la source : origine, contexte, date, cohérence.
  • Croiser avec une confirmation indépendante.
  • Ne pas amplifier : vérifier avant de partager ; signaler si nécessaire.
  • Se préparer : plan de réponse (contacts, documentation, canaux).

Deepfakes — 3/3 : La lutte

Solutions

Transparence & provenance des contenus

Au-delà de la détection, l’approche la plus robuste consiste à rendre visible la provenance et les modifications des contenus, en complément de l’éducation et des mécanismes de signalement.

🤝 Tech Accord

Engagement collectif d’acteurs technologiques pour réduire les usages malveillants et renforcer la transparence et la coopération.

🔎 C2PA / Content Credentials

Standard de provenance qui attache au contenu des métadonnées : création/édition, auteur, et indication d’usage d’outils d’IA.

🧩 Approche multi-couches

Étiquetage • Provenance • Filigrane • Détection • Éducation
/// SECTION 04

Cas d'Usages Secteur public

Des exemples à la Région Sud

Illustration de cas d’usages concrets de l’IA dans le secteur public, avec des gains mesurables en efficacité, en qualité de service et en pilotage des politiques publiques.

Cas d’usages IA – Région Sud

🎯 Comment l'IA Transforme le Travail Parlementaire

L'IA générative offre des opportunités majeures pour optimiser le travail législatif, améliorer la communication avec les citoyens et renforcer l'analyse des politiques publiques.
👥

Productivité & Bien-être

Automatiser les tâches administratives répétitives pour se concentrer sur l'essentiel : écoute des citoyens, débat démocratique, élaboration des lois.

🔄

Simplifier les Processus

Automatiser l'analyse de documents, la synthèse d'informations, la veille législative et la gestion des demandes citoyens.

❤️

Expérience Citoyenne

Améliorer la communication, rendre l'information accessible, répondre plus rapidement et de manière personnalisée aux préoccupations.

💡

Innovation & Décision

Analyser l'impact des politiques, simuler des scénarios, détecter les tendances et prendre des décisions éclairées par les données.

📊 Chiffres Clés

  • 56% des salariés français utilisent déjà l'IA au travail
  • 78% des utilisateurs IA apportent leurs propres outils (BYOAI)
  • 58% des dirigeants seraient moins enclins à recruter sans compétences IA
  • 67% préfèrent un candidat junior avec IA qu'un senior sans

Cas d'usage #1 : Analyse et Synthèse Législative

📚

Synthèse de Textes Législatifs

Besoin : Les parlementaires doivent analyser des centaines de pages de textes juridiques complexes. L'IA peut extraire les points clés, identifier les changements et produire des résumés accessibles.

Exemple concret

Résumer l'AI Act européen (140 pages) en 3 niveaux : synthèse exécutive (1 page), analyse détaillée (10 pages), FAQ pour les citoyens. L'IA identifie les sections principales, extrait les obligations et génère des comparaisons avec d'autres réglementations.

🔍

Veille Législative et Benchmark

Besoin : Suivre les évolutions législatives dans d'autres pays, identifier les meilleures pratiques et anticiper les tendances.

Exemple concret

"Analyse les législations sur la transition énergétique en Allemagne, Danemark et Espagne. Compare les mesures, identifie les succès et échecs, et propose des recommandations adaptées au contexte français."

📊

Analyse de Sentiment et d'Opinion

Besoin : Comprendre la perception d'un projet de loi, analyser les retours citoyens, identifier les préoccupations.

Exemple : Région Sud

Analyse de sentiment sur 110 000 demandes citoyens par an (passage de 5% à 100% analysées). Permet aux élus de mieux comprendre les tendances, prioriser les actions et ajuster les politiques publiques.

Cas d'usage #2 : Communication et Rédaction

✍️

Rédaction de Discours

Besoin : Préparer des discours percutants, argumentés et adaptés à différents publics (hémicycle, citoyens, presse).

Prompt professionnel
Exemple
"Rédige un discours de 1500 mots destiné à l'Assemblée nationale sur la transition énergétique. Utilise un ton solennel et convaincant. Structure en 3 parties : 1) État des lieux et défis climatiques 2) Solutions et mesures concrètes adoptées en France 3) Appel à l'action avec propositions claires. Intègre des données chiffrées récentes, cite des experts et donne un exemple de pays ayant réussi cette transition."
📱

Communication sur Réseaux Sociaux

Besoin : Adapter les messages législatifs pour les réseaux sociaux, vulgariser les informations complexes.

Exemple concret

"Transforme cette synthèse de loi en 3 posts LinkedIn : un post pédagogique (300 mots), un thread Twitter en 5 tweets, et une infographie textuelle résumant les 3 points clés. Ton professionnel mais accessible."

📧

Réponses aux Citoyens

Besoin : Répondre rapidement et de manière personnalisée aux demandes des citoyens, tout en gardant une dimension humaine.

Exemple concret

L'IA peut générer des réponses-types adaptées au contexte, que le parlementaire ou son équipe peut ensuite personnaliser. Gain de temps tout en maintenant la qualité et l'empathie dans la réponse.

Cas d'usage #3 : Recherche et Analyse

🔬

Analyse d'Impact des Politiques

Besoin : Évaluer l'impact potentiel d'une mesure législative sur différents groupes, secteurs ou territoires.

Prompt professionnel
Exemple
"Analyse l'impact d'une hausse de 10% du SMIC sur : - Les finances publiques (coût pour l'État) - Les entreprises (par taille et secteur) - Le pouvoir d'achat des ménages - L'emploi (risques et opportunités) Fournis des données chiffrées, cite des études économiques récentes et identifie les mesures d'accompagnement nécessaires."
📊

Traitement de Données Complexes

Besoin : Analyser de grandes quantités de données (budgets, statistiques, études) pour en extraire des insights.

Exemple concret

"Analyse ce fichier de 50 000 lignes sur les dépenses publiques de santé. Identifie les 10 postes de dépenses les plus importants, leur évolution sur 5 ans, les anomalies potentielles et les opportunités d'optimisation."

🗂️

Gestion Documentaire

Besoin : Organiser, classer et retrouver rapidement des informations dans une masse de documents.

Exemple concret

Création d'une base de connaissances interrogeable : "Recherche tous les documents parlementaires mentionnant la réforme des retraites entre 2015 et 2023, extrait les arguments principaux et synthétise les positions des différents groupes."

Cas d'usage #4 : Support à la Décision

🎯

Simulation de Scénarios

Besoin : Anticiper les conséquences de différentes options législatives avant de prendre une décision.

Exemple concret

"Compare 3 scénarios de financement de la transition écologique : 1) Taxe carbone progressive 2) Emprunt public vert 3) Mix public-privé avec incitations fiscales. Pour chaque scénario, analyse : faisabilité, impact sur les ménages, acceptabilité politique, efficacité environnementale."

⚖️

Analyse Juridique

Besoin : Vérifier la conformité constitutionnelle, identifier les conflits de normes, anticiper les recours.

Exemple concret

"Analyse ce projet d'amendement. Identifie les risques d'inconstitutionnalité, les conflits potentiels avec le droit européen et les précédents jurisprudentiels pertinents. Propose des reformulations pour sécuriser juridiquement le texte."

⚠️ Limites et Précautions

L'IA est un assistant, pas un décideur

  • Toujours vérifier les informations et références fournies (risque d'hallucinations)
  • Ne pas déléguer les décisions critiques ou sensibles à l'IA
  • Maintenir le contrôle humain et la responsabilité finale
  • Respecter la confidentialité : ne pas partager de données sensibles ou classifiées
  • Former les équipes à une utilisation responsable et critique de l'IA
/// SECTION 05

Transformer avec l’IA — Le constat

Entre FOMO (Fear Of Missing Out) et FOBO (Fear Of Being Obsolete), les organisations publiques font face à une double tension : aller vite sans perdre le sens, innover sans fragiliser les compétences.

FOMO / FOBO — organisations et individus
Pourquoi transformer avec l’IA

Comment transformer avec l'IA ?

🎯 Les 5 Moteurs de la Valeur de l'IA

Pour réussir la transformation par l'IA, il faut agir simultanément sur 5 dimensions complémentaires.
🎯

1. Stratégie

Vision claire, objectifs mesurables, alignement avec la stratégie globale

👥

2. Organisation & Culture

Leadership, conduite du changement, culture de l'innovation et de l'expérimentation

🔬

3. Expérience de l'IA

Cas d'usages concrets, prototypes, démonstrations de valeur

⚖️

4. Gouvernance IA

Cadre éthique, conformité réglementaire, gestion des risques

💻

5. Stratégie Technologique

Infrastructure, outils, intégration dans les SI existants

📚 Formation & Sensibilisation

La formation est le socle de toute transformation IA réussie. Chaque individu doit comprendre les fondamentaux, les opportunités et les limites de l'IA.

Litératie IA pour tous

Litératie IA pour tous

Un socle commun pour comprendre, utiliser et encadrer l’IA : outils numériques, culture data, et principes d’IA responsable.

Courbe d’apprentissage individuelle

La courbe d’apprentissage à titre individuel

Parcours d’apprentissage pour votre organisation

Parcours d’apprentissage pour votre organisation

Transformation des dynamiques professionnelles

Transformation des dynamiques professionnelles
/// SECTION 06

L'Art du Prompting

Maîtriser l'interaction avec l'IA générative

💬 Qu'est-ce qu'un Prompt ?

Un prompt est une commande écrite envoyée à une IA pour qu'elle génère du contenu (texte, code, analyse). La qualité du prompt détermine directement la qualité de la réponse. C'est une compétence clé à l'ère de l'IA.

🎯 Pourquoi bien prompter ?

  • Pertinence : Obtenir des réponses précises et adaptées à votre besoin
  • Efficacité : Gagner du temps en évitant les allers-retours
  • Qualité : Générer du contenu professionnel et exploitable
  • Créativité : Débloquer le potentiel de l'IA par des instructions claires
1. CONTEXTE
Rôle de l'IA
Définir le contexte et le rôle que l'IA doit adopter (expert, conseiller, vulgarisateur...)
2. OBJECTIF
Instruction Claire
Que voulez-vous obtenir ? Soyez précis et sans ambiguïté
3. DÉTAILS
Informations
Sources, public cible, contraintes, exemples attendus
4. FORMAT
Forme Souhaitée
Structure, ton, longueur, style de présentation

Anatomie d'un Bon Prompt

❌ Prompt Basique (Résultat Moyen)
"Rédige un discours sur la transition énergétique."
✅ Prompt Professionnel (Résultat Excellent)
CONTEXTE : Tu es un conseiller en communication politique spécialisé en discours parlementaires. OBJECTIF : Rédige un discours de 1500 mots destiné à l'Assemblée nationale sur l'importance de la transition énergétique. DÉTAILS : - Utilise un ton solennel et convaincant - Structure le discours en trois parties : 1) État des lieux et défis climatiques 2) Solutions et mesures concrètes adoptées en France 3) Appel à l'action avec des propositions claires - Intègre des données chiffrées récentes - Cite des experts reconnus - Donne un exemple de pays ayant réussi cette transition FORMAT : Discours structuré avec introduction, développement en 3 parties et conclusion percutante.
Élément Description Exemple
Clarté Éviter les ambiguïtés, être précis "Résume en 5 phrases" plutôt que "Résume brièvement"
Contexte Donner le rôle et la situation "Tu es un expert juridique" / "Pour un public non-expert"
Objectif Dire clairement ce qu'on attend "Identifie les 3 risques majeurs" / "Compare deux approches"
Contraintes Limites et garde-fous "Maximum 500 mots" / "Ne pas inclure d'opinions personnelles"
Format Structure attendue "Sous forme de tableau" / "En 3 points avec sous-points"
Ton Style de communication "Ton professionnel" / "Pédagogique et accessible"

Deux Approches de Prompting

📦

Megaprompt

Un seul message complet contenant tous les détails nécessaires. Nécessite une seule réponse de l'IA.


✓ Avantages : Rapide, complet, contexte global

✗ Limites : Difficile pour tâches complexes

⛓️

Prompt Chaining

Diviser en étapes successives. Chaque réponse devient le point de départ de la suivante.


✓ Avantages : Précision, contrôle, itératif

✗ Limites : Prend plus de temps

📝

Exemple : Prompt Chaining pour Analyser l'AI Act

Étape 1 : Extraction
"Analyse ce texte de l'AI Act et identifie ses sections principales. Liste-les avec une courte description."
Étape 2 : Résumé
"Résume la section 'Classification des systèmes d'IA' en 5 phrases simples pour un public non-spécialiste."
Étape 3 : Analyse
"Identifie les impacts majeurs de l'AI Act sur les entreprises, gouvernements et citoyens. Classe-les en : positifs, négatifs, controversés."
Étape 4 : Communication
"Rédige un communiqué de presse de 300 mots expliquant l'AI Act, son objectif, ses impacts et son application. Ton neutre et pédagogique."

Compétences pour Bien Prompter

🧠

Jugement Analytique

- Capacité à évaluer la qualité et la pertinence des réponses de l'IA

🔄

Flexibilité

- S'adapter aux réponses de l'IA et ajuster sa stratégie

❤️

Intelligence Émotionnelle

- Comprendre le contexte humain que l'IA ne peut pas saisir

💡

Créativité

- Formuler des prompts originaux et explorer de nouvelles approches

🔍

Curiosité

- Explorer les possibilités de l'IA et apprendre continuellement

⚠️

Détection de Biais

- Identifier les biais, erreurs et hallucinations de l'IA

Exemples Pratiques pour Parlementaires

📊

Exemple 1 : Synthèse Législative

Niveau Intermédiaire
CONTEXTE : Tu es un juriste spécialisé en vulgarisation du droit. OBJECTIF : Résume ce texte législatif en 5 phrases simples, adaptées à un public non expert. DÉTAILS : Explique les objectifs de la loi et ses conséquences directes pour les citoyens. FORMAT : 5 phrases courtes et claires.
Niveau Avancé
CONTEXTE : Tu es un analyste législatif. Un sénateur doit publier un post sur ses réseaux sociaux pour expliquer une loi. OBJECTIF : Résume ce texte législatif en 3 points clés. DÉTAILS : - Utilise un langage simple et accessible - Explique l'impact sur le quotidien des citoyens - Précise les bénéfices concrets - Mentionne les éventuels points de débat FORMAT : 3 points clés avec titre et description (50 mots max par point).
🎤

Exemple 2 : Rédaction de Discours

Niveau Base
"Rédige un discours sur l'importance de la transition énergétique."
Niveau Intermédiaire
CONTEXTE : Tu es un rédacteur de discours politique expérimenté. OBJECTIF : Rédige un discours structuré de 1500 mots sur la transition énergétique. DÉTAILS : - Audience : citoyens et experts - Mets en avant les défis écologiques, économiques et technologiques - Intègre des références aux engagements récents de la France FORMAT : Discours structuré en 3 parties avec introduction et conclusion.

💡 Conseils Avancés

  • Itérer : Affinez progressivement votre prompt si le résultat n'est pas parfait
  • Exemples : Fournissez des exemples de ce que vous attendez
  • Contraintes négatives : Indiquez ce que vous ne voulez PAS
  • Vérification : Demandez à l'IA de vérifier son propre travail
  • Personas : Donnez un rôle précis à l'IA (expert, vulgarisateur, critique...)
SECTION 07

Conclusion

Conclusion — IA et Ingéniosité Amplifiée
Sensibilisation à l’IA — QR Code